【AI】Python3使用TF-Slim进行图像分类

2019-04-15 14:21发布

站内文章 / PIC单片机
16662 0 1658

机器环境

  • win10
  • python3.6
  • tensorflow==1.7.0

Github地址

准备图片数据

  • 准备好自定义的图片数据
  • 放到 data_prepare/pic/train 和 data_prepare/pic/validation 中
  • 自己建立分类文件夹，文件夹名为分类标签名

将图片数据转换成TF-Record格式文件

  • 在 data_prepare/ 下，执行
python data_convert.py -t pic/ --train-shards 2 --validation-shards 2 --num-threads 2 --dataset-name satellite
  • 会生成4个tf-record文件和1个label文件

将转换生成的5个文件复制到 slimsatellitedata 下

修改 slimdatasetssatellite.py 文件

  • FILE_PATTERN = ‘satellite%s_*.tfrecord’ （tf-record文件名格式）
  • SPLITS_TO_SIZES = {‘train’: 16, ‘validation’: 4} （训练集和测试集文件总数）
  • _NUM_CLASSES = 2 （分类类目总数）
  • ‘image/format’: tf.FixedLenFeature((), tf.string, default_value=’jpg’) （图片格式，这里是jpg）

下载预训练模型Inception V3

在 slim/ 文件夹下执行如下命令，进行训练：

python train_image_classifier.py --train_dir=satellite/train_dir --dataset_name=satellite --dataset_split_name=train --dataset_dir=satellite/data --model_name=inception_v3 --checkpoint_path=satellite/pretrained/inception_v3.ckpt --checkpoint_exclude_scopes=InceptionV3/Logits,InceptionV3/AuxLogits --trainable_scopes=InceptionV3/Logits,InceptionV3/AuxLogits --max_number_of_steps=100000 --batch_size=32 --learning_rate=0.001 --learning_rate_decay_type=fixed --save_interval_secs=300 --save_summaries_secs=2 --log_every_n_steps=10 --optimizer=rmsprop --weight_decay=0.00004

在 slim/ 文件夹下执行如下命令，进行模型能力评估：

python eval_image_classifier.py --checkpoint_path=satellite/train_dir --eval_dir=satellite/eval_dir --dataset_name=satellite --dataset_split_name=validation --dataset_dir=satellite/data --model_name=inception_v3

导出训练好的模型

  • 在 slim/ 文件夹下面执行如下命令：
python export_inference_graph.py --alsologtostderr --model_name=inception_v3 --output_file=satellite/inception_v3_inf_graph.pb --dataset_name satellite
  • 在 项目根目录 执行如下命令（需将5271改成train_dir中保存的实际的模型训练步数）
python freeze_graph.py --input_graph slim/satellite/inception_v3_inf_graph.pb --input_checkpoint slim/satellite/train_dir/model.ckpt-5271 --input_binary true --output_node_names InceptionV3/Predictions/Reshape_1 --output_graph slim/satellite/frozen_graph.pb

对单张图片进行预测

  • 在 项目根目录 执行如下命令
python classify_image_inception_v3.py --model_path slim/satellite/frozen_graph.pb --label_path data_prepare/pic/label.txt --image_file test_image.jpg

热门文章